โดยปกติแล้ว โครงข่ายประสาทเทียมที่พัฒนาผ่านการวิวัฒนาการ (Neural Architecture Search) มักจะมีค่าน้ำหนักที่คงที่หลังจากการเติบโต แต่งานวิจัยนี้ได้ทดลองนำคุณสมบัติความยืดหยุ่น (Plasticity) ของเส้นประสาทเข้ามาใส่ในกระบวนการวิวัฒนาการด้วย โดยทดสอบผ่านการกำหนดค่าแบบ Hebbian และ Anti-Hebbian ในระบบควบคุมหุ่นยนต์กว่า 50,000 รูปแบบ
ผลการทดสอบพบว่ากลไกการปรับตัวแบบ Anti-Hebbian ให้ประสิทธิภาพสูงกว่าอย่างมีนัยสำคัญในการควบคุมภารกิจเช่น CartPole และ Acrobot นอกจากนี้งานวิจัยยังชี้ให้เห็นว่าคุณสมบัติความยืดหยุ่นนี้ช่วยให้หุ่นยนต์สามารถปรับตัวเข้ากับสถานการณ์ที่มีการเปลี่ยนแปลงได้ดีขึ้น (Non-stationarity) มากกว่าแค่การปรับจูนค่าน้ำหนักแบบทั่วไป ซึ่งถือเป็นการค้นพบสำคัญในการสร้างระบบปัญญาประดิษฐ์ที่ใกล้เคียงกับชีวภาพมากขึ้น
